教案3 机器学习入门算法（下）_第1页
教案3 机器学习入门算法（下）_第2页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

课题机器学习入门算法（下）总课时4主备教师高楚其教学目标1.知识目标：掌握SVM、KNN、朴素贝叶斯、随机森林、K均值聚类的原理2.能力目标：能够根据问题场景选择合适的机器学习算法3.素养目标：培养算法选型的工程思维教学重点支持向量机（SVM）的核函数与间隔最大化K近邻算法（KNN）的距离度量朴素贝叶斯的概率原理随机森林的集成思想教学难点SVM核函数的选择与作用K均值聚类的肘部法则确定K值随机森林中Bagging与随机特征选择课前预习教学过程首次备课板块一：导入新课回顾上节课内容引出更多实用的机器学习算法板块二：讲授新知1.支持向量机SVM（8分钟）核心思想：间隔最大化，找到最优分类超平面核函数：线性核、多项式核、RBF核软间隔与硬间隔应用场景：文本分类、图像识别2.K近邻算法KNN（7分钟）核心思想："近朱者赤，近墨者黑"距离度量：欧式距离、曼哈顿距离、切比雪夫距离K值选择的影响应用场景：推荐系统、异常检测3.朴素贝叶斯（7分钟）贝叶斯定理基础条件独立假设应用场景：垃圾邮件过滤、情感分析4.随机森林与Bagging（8分钟）集成学习思想：三个臭皮匠，顶个诸葛亮Bagging策略：Bootstrap+Aggregation随机森林：决策树的集成优势：抗过拟合、并行计算板块三：K均值聚类无监督学习概念算法步骤：初始化→分配→更新→迭代肘部法则确定K值Python实现演示板块四：总结

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论